Apakah Hype Itu Dibenarkan? Mengapa Semua Mata Terpaku pada AI

Nobel Prize In AI

Daftar pemenang Nobel 2024 telah menarik banyak perhatian pada AI. Pertama, itu terjadi dengan Nobel Fisika, yang menghargai teori dasar yang terinspirasi fisika dan prototipe awal untuk pembangunan jaringan saraf tiruan, dasar dari sebagian besar teknologi AI saat ini. Kami membahas secara detail bagaimana jaringan saraf awal ini bekerja dalam “Investing in Nobel Prize Achievements—Artificial Neural Networks, The Basis Of AI”.

Nobel lain, kali ini di Kimia, diberikan kepada penelitian yang berfokus pada komputasi. Lebih tepatnya, setengahnya diberikan kepada David Baker “untuk desain protein komputasional”, dan setengah lainnya secara bersama‑sama kepada peneliti utama AlphaFold milik Google, Demis Hassabis dan John M. Jumper, “untuk prediksi struktur protein”.

Jadi, tidak berlebihan untuk mengatakan bahwa 2024 adalah tahun Nobel AI, dengan dua dari tiga Nobel di “ilmu keras” (Fisika, Kimia, Kedokteran/Biologi) diberikan kepada proyek‑proyek yang terkait AI.

Hal ini jelas dipuji oleh peneliti di bidang tersebut dan orang‑orang yang antusias tentang masa depan riset berbasis AI. Namun hal itu juga menimbulkan keheranan di kalangan ilmuwan, terutama fisikawan, yang melihat komputasi dan AI bukan “fisika sejati”.

What Should Nobel Prizes Reward?

Ini merupakan bagian dari perdebatan lama yang lebih luas tentang apa yang dianggap “ilmu murni” layak menerima Nobel. Beberapa berpendapat bahwa hanya kemajuan teoretis dan terobosan intelektual sejati yang layak menerima penghargaan internasional paling bergengsi di bidang ilmu pengetahuan.

Saya tak bersuara. Saya suka ML dan ANN seperti orang lain, tetapi sulit melihat ini sebagai penemuan Fisika. Sepertinya Nobel terkena hype AI.

Jonathan Pritchard – Astrofisikawan di Imperial College London

Yang lain berpendapat bahwa ilmu pengetahuan juga harus dihargai atas dampaknya pada dunia nyata, terutama ketika menyangkut Nobel, yang pendirinya, Mr. Alfred Nobel menetapkan hadiah “untuk mereka yang, selama tahun sebelumnya, telah memberikan manfaat terbesar bagi umat manusia” dalam bidang fisika, kimia, fisiologi atau kedokteran, sastra, dan perdamaian.

Dalam konteks ini, dapat diperdebatkan bahwa jaringan saraf tiruan memang telah memberikan kontribusi besar bagi manfaat umat manusia, kemungkinan akan terus melakukannya lebih banyak lagi di masa depan, dan oleh karena itu layak menerima Nobel tahun ini.

Is Computing Physics?

Mengenai Nobel Fisika 2024 secara khusus, metode yang dikembangkan untuk menciptakan jaringan saraf sangat berakar pada fisika. Lebih spesifik, metode tersebut banyak mengambil dari fisika statistik, sebuah bidang yang menggambarkan sistem dengan banyak elemen seperti gas atau cairan.

Metode tersebut juga terinspirasi dari pengamatan bahwa sifat kolektif dalam banyak sistem fisik tahan terhadap perubahan detail model. Secara khusus, material magnetik memperoleh karakteristik khususnya berkat spin atom – sebuah sifat yang membuat setiap atom menjadi magnet kecil.

Secara keseluruhan, model‑model yang dihargai oleh Nobel, yaitu Boltzmann machine yang diciptakan oleh Hinton dan jaringan Hopfield, “keduanya merupakan model berbasis energi” yang tidak jauh berbeda dari deskripsi matematis yang digunakan untuk memahami fisika material nyata.

Meskipun begitu, beberapa fisikawan “nyata” merasa kecewa dengan gagasan bahwa komputasi mengambil sorotan dari fisika, mungkin lebih menyoroti betapa sedikitnya penghormatan dan perhatian yang diberikan masyarakat kepada bidang ini dibandingkan dengan Nobel tahun ini.

“Ini masuk ke bidang ilmu komputer. Nobel tahunan adalah kesempatan langka bagi fisika — dan fisikawan bersamanya — untuk masuk ke sorotan.

Itu adalah hari ketika teman‑teman dan keluarga mengingat bahwa mereka mengenal seorang fisikawan dan mungkin pergi menanyakan apa sebenarnya Nobel terbaru ini. Tetapi tidak tahun ini.”

Sabine Hossenfelder- Fisikawan di Munich Center for Mathematical Philosophy di Jerman

Physics Coming Back Into AI

Penghargaan Nobel juga mempertimbangkan perkembangan yang semakin meningkat dalam komputasi untuk kembali ke metode berbasis fisika demi meningkatkan pembelajaran mesin, jaringan saraf, dan AI.

“Kita membutuhkan cara berpikir yang kita miliki dalam fisika untuk mempelajari pembelajaran mesin.”

Lenka Zdeborová – Fisikawan statistik di Swiss Federal Institute of Technology di Lausanne.

Pekerjaan awal pada jaringan saraf benar‑benar interdisipliner, juga terinspirasi dari kemajuan terbaru dalam pemahaman kita tentang cara kerja neuron biologis, serta menggabungkan matematika, fisika, ilmu komputer, dan neurobiologi.

“Saya pikir Nobel Fisika harus terus menyebar ke lebih banyak wilayah pengetahuan fisika. Fisika menjadi semakin luas, dan mencakup banyak area pengetahuan yang tidak ada di masa lalu, atau tidak termasuk dalam fisika.”

Giorgio Parisi- Fisikawan di Sapienza University of Rome, yang berbagi Nobel Fisika 2021.

Jadi meskipun mungkin sedikit mengejutkan, dan mengecewakan bagi fisikawan paling purist, atribusi Nobel kepada John Hopfield dan Geoffrey Hinton tidak ses jauh dari fisika dan “ilmu keras” seperti yang mungkin terlihat pada pandangan pertama.

Adding Insult To Injury?

Mungkin reaksi sebagian anggota komunitas ilmiah akan lebih moderat bila Nobel Kimia tidak juga berfokus pada komputasi.

Di sini, perdebatan lebih terpusat pada kontribusi nyata AI terhadap bidang tersebut, memberi sedikit kredit pada kritik “Nobel terkena hype AI”.

Hal ini karena jaringan saraf seperti AlphaFold, yang memprediksi konfigurasi 3D protein, dibangun di atas kumpulan data masif yang terkumpul selama puluhan tahun eksperimen praktis. Ini termasuk khususnya Protein Data Bank, repositori terbuka yang berisi lebih dari 200.000 struktur protein.

Struktur‑struktur ini ditentukan secara eksperimental oleh ribuan peneliti manusia selama puluhan tahun, menggunakan metode canggih (sering kali penemuan pemenang Nobel) seperti kristalografi sinar‑X, mikroskopi cryo‑elektron, dll.

“Saya tidak berpikir AlphaFold melibatkan perubahan radikal dalam ilmu dasar yang belum ada sebelumnya.

Hanya cara penyusunan dan konsepsinya yang begitu mulus sehingga memungkinkan AlphaFold mencapai prestasi tersebut.”

David Jones – Bioinformatikawan di University College London, yang berkolaborasi dengan DeepMind pada versi pertama AlphaFold

How Impactful Is AlphaFold?

Mengkritik AlphaFold sebagai “hanya membangun di atas riset sebelumnya” mungkin agak melenceng. Bagaimanapun, pola umum adalah penemuan pemenang Nobel sering dibangun di atas 3‑4 penemuan Nobel sebelumnya.

Lebih penting, perlu ditentukan apakah AlphaFold merupakan terobosan sejati, menjadikan yang sebelumnya tidak mungkin menjadi dapat dicapai.

Kami sebelumnya membahas makalah ilmiah yang menyelidiki apakah AlphaFold dapat menemukan molekul dan obat baru, bukan sekadar memperbaiki data yang sudah dikenal.

Dan tampaknya memang demikian:

Peneliti menemukan bahwa proporsi senyawa yang mengubah aktivitas protein untuk masing‑masing model adalah sekitar 50% dan 20% untuk reseptor sigma‑2 dan reseptor 5‑HT2A, masing‑masing. Hasil di atas 5% dianggap luar biasa.

Mengingat penemuan obat sangat mirip dengan mencoba menemukan jarum dalam tumpukan jerami secara manual, tingkat keberhasilan 50% “menebak” di mana jarum berada pada percobaan pertama memang luar biasa.

Jadi di sini juga, Nobel Kimia tahun ini mungkin tidak cocok bila dilihat dari perspektif “ilmu murni” dan kemajuan pemahaman fundamental. Namun tampaknya sesuai dengan tujuan utama Nobel: “untuk memberikan hadiah kepada mereka yang, selama tahun sebelumnya, telah memberikan manfaat terbesar bagi umat manusia”.

Closing The Controversy

Kita dapat sepakat bahwa seiring AI menjadi alat kunci dalam hampir semua disiplin ilmu, kita tidak harus melihat setiap Nobel selanjutnya memberi penghargaan terutama pada AI. Dengan cara yang sama, kita tidak secara rutin memberi penghargaan pada “komputasi dasar” (atau, untuk itu, kimia atau metalurgi) karena peneliti menggunakan komputer (dan bahan kimia serta logam) setiap hari.

Namun, tampaknya reaksi terhadap atribusi Nobel tahun ini agak berlebihan, mungkin mencerminkan frustrasi ilmuwan melihat begitu banyak sorotan media tersedot oleh AI meskipun ada kemajuan ilmiah yang mengesankan di banyak bidang.

What Can AI Really Do?

Bagaimanapun, AI kemungkinan akan menjadi teknologi yang benar‑benar transformatif, dan sebuah tonggak sejati dalam sejarah umat manusia serupa dengan teknologi sebelumnya seperti mesin uap, telegraf, mesin pembakaran dalam, atau komputer pertama.

Berikut daftar singkat potensi aplikasi AI:

• Penemuan obat & analisis data biologis.
• Diagnosa & perawatan medis otomatis, termasuk operasi.
• Robotika, dari asisten rumah tangga hingga produksi otomatis.
• Mobil otonom & logistik.
• Pembelajaran personalisasi & penyebaran pengetahuan.
• Material baru yang ditemukan dalam energi, ilmu material, nanoteknologi, dll.
• Metode komputasi baru, termasuk fotonik, komputasi kuantum, dll.
• Eksplorasi luar angkasa, dari koloni otomatis di planet lain hingga penambangan asteroid.

Dalam konteks itu, “hype” seputar AI sepenuhnya dibenarkan.

Tetapi seperti kebanyakan teknologi penting baru, proses mengubah inovasi awal menjadi kasus penggunaan praktis dapat memakan waktu lebih lama dari yang diharapkan, misalnya komputer pada tahun 1970‑an, puluhan tahun sebelum revolusi Internet dan bahkan lebih lama sebelum AI, sekaligus kemungkinan memberikan dampak yang jauh lebih besar daripada yang diperkirakan siapa pun.